导读
肿瘤内异质性（Intratumour heterogeneity, ITH）促进了肺癌的进化，从而导致免疫逃避和对治疗的抵抗。在非小细胞肺癌（NSCLC）小鼠模型中，转录组可塑性已被证明是ITH的基础。虽然基因组变异可反映肿瘤进化中获得的体细胞事件，但转录组变异可提供采样时精准的肿瘤表型状态。迄今为止，大多数人类肿瘤进化研究都集中在基因组改变对癌症的影响方面。转录组学研究倾向于关注单个时间点单个活检样本中的基因表达状态，但无法捕获转录组学过程，包括等位基因特异性表达（ASE）和RNA编辑，这些转录组学过程可能对癌症进化产生重要影响。
近日，Nature发表了题为“Genomic–transcriptomic evolution in lung cancer and metastasis”的研究文章。TRACERx联盟的研究团队使用配对的全外显子组和转录组测序数据，探索了TRACERx前瞻性临床研究项目中354例NSCLC的瘤内转录组多样性。对代表原发和转移性疾病的947个肿瘤区域以及96个癌旁正常组织样本的分析表明，转录组是表型变异的主要来源，基因表达水平和ITH与肿瘤进化过程中的正向和负向选择模式有关。
总的来说，通过描述原发-转移性肿瘤的转录组特征，并结合多种机器学习方法，研究团队利用基因组和转录组将转移潜力与原发肿瘤区域内突变和增殖的进化背景联系起来，强调了基因组和转录组在影响ITH、肺癌进化和转移方面的相互作用。
文章发表在Nature
研究团队分析了来自TRACERx前瞻性研究队列的347名患者匹配转录组测序（RNA-seq）和全外显子组测序（WES）数据。样本包括来自354个NSCLC肿瘤的947个肿瘤区域以及96个癌旁正常肺组织区域。
研究人员首先分析了肿瘤样本的基因表达模式，发现样本集中在肺腺癌（LUAD）、肺鳞状细胞癌（LUSC）和癌旁正常肺组织三个主要类型。为了确定肿瘤间和肿瘤内转录组多样性的决定因素，研究人员在LUAD和LUSC中进行了独立主成分分析（PCA），并与39种潜在的基因组和临床病理变量联系起来。结果发现，主成分（PCs）在LUAD中比在LUSC中更频繁地与基因组变量显著相关；与LUSC相比，PCs在LUAD中表现出相对较低的ITH。这些结果提示LUAD中存在比LUSC更确定的基因组-转录组关系。
基于基因表达相关距离的所有样本的分层聚类显示，来自特定患者的肿瘤区域倾向于聚集在一起。受亚克隆体细胞拷贝数改变（SCNA）和肿瘤内纯度影响的基因组部分，与肿瘤内表达距离的增加独立相关。与之相反，肿瘤内表达距离与亚克隆突变的异质性或每个肿瘤样本的区域数量无关。以上结果强调了SCNA与基因表达变化之间的联系。
研究发现，基因表达模式及其异质性与肿瘤进化过程中的选择有关，在最高表达癌症基因的截断突变中更容易观察到显著的正选择。在此基础上，研究人员进一步探讨了基因表达的ITH与肿瘤进化的关系。在ITH中表达最低的癌症基因表现出最强的正选择信号；相比之下，在非癌症基因中发现了负选择信号。
图1. TRACERx 421队列的表达多样性，来源：Nature
转录组多样性的一个潜在来源是RNA编辑，这是一种以RNA分子核苷酸序列变化为特征的转录后过程。研究人员采用了严格的方法来定义外显子RNA单碱基替换，并在整个队列的6019个特定位点上发现了40057个RNA替换，平均每个NSCLC肿瘤区域59.7%是A>G替换。在检测到的所有RNA替换中，67%是肿瘤特异性的（在正常组织样本的TRACERx panel中不存在），其中29.4%在两个或多个肿瘤中共享。
研究团队还提取了RNA单碱基替换（RNA-SBS）特征，共检测到5种RNA-SBS特征：RNA-SBS1主要由A>G转换组成；RNA-SBS2主要由C >T转换组成；RNA-SBS3主要由A>G和T>C转换组成；RNA-SBS4由G>A转换组成；RNA-SBS5由G>T转换组成。分析数据显示，在大多数NSCLC肿瘤中均可鉴定出RNA-SBS1和RNA-SBS3（RNA-SBS1占98%，RNA-SBS3占85%）。其中，RNA-SBS1表现出最低的ITH，在87.4%多区肿瘤的所有区域中都能检测到。
每个RNA-SBS特征的活性与基因表达的无偏相关性分析揭示了RNA-SBS1与RNA编辑酶ADAR表达之间的相关性。RNA-SBS2主要由TpC位点的C>T过渡主导，这一基序与RNA编辑酶APOBEC3A的活性一致。此外，所有RNA-SBS特征的活性在转移区域及其配对的原发肿瘤之间是相关的。RNA-SBS1和RNA-SBS2变化的基础过程可能是肿瘤特异性的，它们可能在原发肿瘤的转移区再次发生，并在转移区持续存在。该结果揭示了肿瘤中未被发现的持续APOBEC活性。
图2. NSCLC中RNA-SBS特征签名分析，来源：Nature
NSCLC转移过程中转录组多样性的动态评估显示，配对转移肿瘤区域之间的转录组多样性明显高于来自同一肿瘤的原发肿瘤区域的转录组多样性。进一步分析发现，在整个队列中，与非扩散原发肿瘤区域相比，转移瘤的表达模式与转移扩散原发肿瘤区域更相似。这些区域之间的基因富集分析显示，增殖相关基因集在扩散区域内富集。以上结果表明，在转移性肿瘤中观察到的部分转录组模式是由起源于原发肿瘤的体细胞突变支撑的，并且能够影响正在进行的肿瘤进化以及转移。
研究人员还评估了相关分子特征对肿瘤区域转移潜力的影响，构建了一个集成机器学习分类器来预测肿瘤区域是否包含扩散克隆。分析发现，与独立基因组或转录组特征集生成的分类器相比，整合基因组和转录组特征集生成的分类器略好，整合特征ROC 曲线下面积（AUC）为0.79；仅基因组AUC为0.69，仅转录组AUC为0.73。联合特征分类器显示出有潜力的性能，准确率为71%。
图3. NSCLC扩散区域的转录特征，来源：Nature
过去十年的多区域测序研究强调了癌症中重要的基因组改变，包括点突变和CN改变，这些改变推动了ITH和癌症的进化。通过配对的基因组-转录组分析和NSCLC的多区域采样，该研究强调通过单一的基因组方法可能错过的变异来源。研究发现，具有低肿瘤内变异的高表达肿瘤基因更可能处于正选择状态，这一发现可以为发现新癌症基因的研究提供思路。此外，该研究还发现在肿瘤进化中存在有限但显著的负选择。
总的来说，该研究表明转录变异可能在NSCLC的进化中发挥重要作用，它揭示了癌症基因组分析无法识别的多样性来源，并强调了多组学测序和系统生物学方法对肿瘤进化研究的重要性。
参考资料：
Martínez-Ruiz, C., Black, J.R.M., Puttick, C. et al. Genomic–transcriptomic evolution in lung cancer and metastasis. Nature （2023）.
https://www.nature.com/articles/s41586-023-05706-4
本文由 SEQ.CN 作者：白云 发表，转载请注明来源！
